熟能生巧——这是一句帮助人类变得高度灵巧的格言，现在已经应用到机器人身上。

利兹大学的计算机科学家正在使用自动规划和强化学习的人工智能(AI)技术来“训练”机器人在杂乱的空间(如仓库货架或冰箱)中寻找物体，然后移动它们。

目的是发展机器人的自主性，使机器能够评估任务中的独特情况并找到解决方案，类似于机器人将技能和知识转移到新问题上。

利兹大学的研究人员今天(11月4日，星期一)在中国澳门举行的智能机器人和系统国际会议上展示了他们的发现。

最大的挑战是，在狭窄的区域内，机械臂可能无法从上方抓取物体。相反，它可能必须计划一系列移动来到达目标对象，可能是通过操纵其他项目。计划此类任务所需的计算机非常强大，机器人通常会暂停几分钟。当它移动时，通常会失败。

不断发展和实践的想法是完美的，利兹的计算机科学家将人工智能的两种想法结合在一起。

一个是自动化规划。机器人可以通过视觉系统“看到”问题，而视觉系统实际上是图像。机器人操作系统中的软件模拟当到达目标物体时可能执行的一系列动作。

然而，机器人“预览”的仿真无法捕捉现实世界的复杂性，机器人在实施仿真时无法执行任务。比如，它可以把东西敲下架。

因此，利兹团队将该计划与另一项名为强化学习的人工智能技术相结合。

强化学习涉及到计算机为达到和移动物体而进行的一系列尝试和错误尝试(总共约10000次)。通过这些尝试和错误的尝试，机器人可以“学习”其计划的动作，更有可能成功完成。

计算机自己学习。首先，它随机选择可能有效的计划行动。然而，随着机器人从重复的实验中学习，它变得更擅长选择那些更有可能成功的计划动作。

计算学院的Matteo Leonetti博士说：“人工智能擅长让机器人变得理性——例如，我们见过机器人和大师下棋。

“但是机器人不能做好人类擅长的事情：高灵活性和灵巧性。这些身体技能已经被硬连线到人类大脑中，这是进化的结果，也是我们练习和实践的方式。

“这是我们将其应用于下一代机器人的想法。”

根据写了一篇研究论文的博士生Wissam Bejjani的说法，机器人具有泛化能力，可以将其计划应用于独特的情况。

他说：“我们的工作意义重大，因为它结合了计划和强化学习。许多试图发展这项技术的研究只是其中之一。

“我们的方法已经被大学机器人实验室看到的结果所验证。

“有一个问题。当机器人不得不移动一个大苹果时，它必须首先移动到苹果的左边来清除杂物，然后操纵苹果。

"这样做的目的是防止杂物落在架子的边界之外."

计算学院副教授Mehmet Dogar博士也参与了这项研究。他说，这种方法将机器人的“思考”时间缩短了十倍——过去需要50秒的决定现在需要5秒。

这项研究由英国工程和物理科学研究委员会资助，旨在研究机器人学中的“人形物理”。